УДК 004.827 ВЫЧИСЛЕНИЕ ИНТЕРВАЛЬНЫХ ЧИСЕЛ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ ПРЯМОГО РАСПРОСТРАНЕНИЯ С. С. <...> Пархоменко, Т. М. Леденёва Воронежский государственный университет Поступила в редакцию 06.04.2015 г. Аннотация. в статье предложен алгоритм обработки многомерных зашумлённых данных для аппроксимации функциональной зависимости с помощью нейронных сетей прямого распространения, предоставляющей на выходе интервальные числа. <...> Ключевые слова: нейронная сеть прямого распространения, метод Левенберга-Марквардта, интервальное число. <...> ВВЕДЕНИЕ Предположим, что наблюдается некотоXX , так что можно говорить о суучетом обозначения XX X ) полу, ,., рый параметр ,Y зависящий от ряда факторов 1 ществовании функции Y fX X )n . <...> Нередко оказывается, что функция f участвует в физико-технических или математических расчетах, где ее приходится многократно вычислять. <...> Если вид функции неизвестен или вычисления являются дорогостоящими, то целесообразно заменить функцию f приближенной формулой, т. е. на основе наблюдаемых данных Y fX= n функцию ( ),FX которая близка в некотором смысле к ( ).fX При всех значениях векторного аргумента x предположим, что ( ) {( x = (x1 xy)} ii,., ,i ni iN ) f xx тогда функция F называется ≈ F ( ), аппроксимирующей. <...> Приведенная постановка задачи хорошо известна как задача приближения (в данном случае аппроксимации) функции [1]. <...> Для ее решения существует значительное количе© Пархоменко С. С., Леденёва Т. М., 2015 =1, найти такую ( ). <...> Значения ( 1,., 1,., n переменных ство методов, при этом различают среднеквадратическое приближение (частный случай – метод наименьших квадратов) и равномерное приближение, различающиеся критериями близости ( )FX и ( ).fX В рамках сформулированной выше задачи введем ряд предположений, которые значительно усложняют постановку и делают неприменимыми классические методы приближения, а, следовательно, требуют разработки новых подходов. <...> Каждый фактор ся с погрешностью, так что его значением будет величина kk лизация случайной <...>